Jaka jest różnica między pipem a condą?

Wiem, że pipjest menedżerem pakietów dla pakietów Pythona. Jednak widziałem, jak instalacja na stronie internetowej IPython używała condado instalacji IPython.

Czy mogę użyć, pipaby zainstalować IPython? Dlaczego powinienem używać condajako innego menedżera pakietów Pythona, skoro już go mam pip?

Jaka jest różnica między pipi conda?

Cytowanie z bloga Conda :

Od tak dawna związani ze światem python wszyscy jesteśmy świadomi pip, easy_install i virtualenv, ale narzędzia te nie spełniły wszystkich naszych specyficznych wymagań. Głównym problemem jest to, że koncentrują się wokół Pythona, pomijając zależności bibliotek innych niż Python, takie jak HDF5, MKL, LLVM itp., Które nie mają pliku setup.py w kodzie źródłowym, a także nie instalują plików na stronie Pythona -packages katalog.

Tak więc Conda to narzędzie do pakowania i instalator, którego celem jest zrobienie więcej niż to, co piprobi; obsługiwać zależności bibliotek poza pakietami Python, a także same pakiety Python. Conda tworzy również wirtualne środowisko, podobnie jak virtualenvrobi.

W związku z tym Conda należy porównać do Buildout , innego narzędzia, które pozwala obsługiwać zarówno zadania instalacyjne w języku Python, jak i inne niż Python.

Ponieważ Conda wprowadza nowy format opakowania, nie można używać pipi Conda zamiennie; pipnie można zainstalować formatu pakietu Conda. Możesz używać dwóch narzędzi obok siebie (instalując pipz conda install pip), ale one również nie współpracują ze sobą.

Od czasu napisania tej odpowiedzi Anaconda opublikowała nową stronę w Understanding Conda and Pip , która również to przypomina:

To podkreśla kluczową różnicę między conda i pip. Pip instaluje pakiety Pythona, podczas gdy conda instaluje pakiety, które mogą zawierać oprogramowanie napisane w dowolnym języku. Na przykład przed użyciem pipa interpreter języka Python musi zostać zainstalowany za pomocą menedżera pakietów systemowych lub poprzez pobranie i uruchomienie instalatora. Z drugiej strony Conda może bezpośrednio instalować pakiety Pythona, a także interpreter Pythona.

i dalej

Czasami potrzebny jest pakiet, który nie jest dostępny jako pakiet conda, ale jest dostępny w PyPI i można go zainstalować za pomocą pip. W takich przypadkach warto użyć zarówno conda, jak i pip.

Oto krótkie podsumowanie:

pypeć

• Tylko pakiety Python.
• Kompiluje wszystko ze źródła. EDYCJA: pip instaluje teraz koła binarne, jeśli są dostępne.
• Błogosławiony przez podstawową społeczność Python (tj. Python 3.4+ zawiera kod, który automatycznie uruchamia pip pip).

conda

• Agnostyk Python. Istniejące pakiety koncentrują się głównie na Pythonie, a sama Conda jest napisana w Pythonie, ale możesz także mieć pakiety Conda dla bibliotek C lub R, lub cokolwiek innego.
• Instaluje pliki binarne. Istnieje narzędzie o nazwie, conda buildktóre buduje pakiety ze źródła, ale conda installsamo instaluje rzeczy z już zbudowanych pakietów Conda.
• Zewnętrzny. Conda jest menedżerem pakietów Anacondy, dystrybucji Pythona zapewnianej przez Continuum Analytics, ale można jej również używać poza Anacondą. Możesz go używać z istniejącą instalacją w Pythonie, instalując go za pomocą pip (choć nie jest to zalecane, chyba że masz dobry powód, aby użyć istniejącej instalacji).

W obu przypadkach:

• Napisane w Pythonie
• Open source (Conda to BSD, a pip to MIT)

Pierwsze dwa punkty Conda są naprawdę tym, co czyni przewagę nad pipem w przypadku wielu pakietów. Ponieważ pip instaluje się ze źródła, instalowanie go przy użyciu kodu źródłowego może być bolesne, jeśli nie można skompilować kodu źródłowego (jest to szczególnie prawdziwe w systemie Windows, ale może nawet być prawdziwe w systemie Linux, jeśli pakiety mają trudną bibliotekę C lub FORTRAN zależności). Conda instaluje się z pliku binarnego, co oznacza, że ​​ktoś (np. Continuum) wykonał już ciężką pracę przy kompilowaniu pakietu, więc instalacja jest łatwa.

Istnieją również pewne różnice, jeśli jesteś zainteresowany budowaniem własnych pakietów. Na przykład, pip jest zbudowany na setuptools, podczas gdy Conda używa własnego formatu, który ma pewne zalety (takie jak bycie statycznym i znowu agnostyk w Pythonie).

Pozostałe odpowiedzi zawierają rzetelny opis szczegółów, ale chcę podkreślić niektóre punkty wysokiego poziomu.

pip to menedżer pakietów, który ułatwia instalację, aktualizację i deinstalację pakietów python . Działa również z wirtualnymi środowiskami python .

conda to menedżer pakietów dla dowolnego oprogramowania (instalacja, aktualizacja i dezinstalacja). Działa również z wirtualnymi środowiskami systemowymi .

Jednym z celów projektowania conda jest ułatwienie zarządzania pakietami dla całego stosu oprogramowania wymaganego przez użytkowników, z których jedna lub więcej wersji Pythona może być tylko niewielką częścią. Obejmuje to biblioteki niskiego poziomu, takie jak algebra liniowa, kompilatory, takie jak mingw w systemie Windows, edytory, narzędzia kontroli wersji, takie jak Hg i Git, lub cokolwiek innego wymagającego dystrybucji i zarządzania .

W przypadku zarządzania wersjami pip umożliwia przełączanie między wieloma środowiskami Python i zarządzanie nimi .

Conda pozwala przełączać się między wieloma środowiskami ogólnego przeznaczenia i zarządzać nimi, w których wiele innych wersji może się różnić w różnych wersjach, takich jak biblioteki C, kompilatory, pakiety testowe lub silniki baz danych i tak dalej.

Conda nie jest zorientowana na system Windows, ale w systemie Windows jest zdecydowanie najlepszym rozwiązaniem dostępnym obecnie, gdy wymagane jest zainstalowanie i zarządzanie złożonymi pakietami naukowymi wymagającymi kompilacji.

Chcę płakać, gdy myślę o tym, ile czasu straciłem, próbując skompilować wiele z tych pakietów za pomocą pip w systemie Windows lub debugować nieudane pip installsesje, gdy wymagana była kompilacja.

Na koniec Continuum Analytics udostępnia także (darmową) witrynę binstar.org (obecnie anaconda.org ), aby umożliwić zwykłym twórcom pakietów tworzenie własnych niestandardowych (zbudowanych!) Pakietów oprogramowania, z których będą mogli korzystać ich użytkownicy conda install.

Aby nie mylić Cię dalej, możesz także użyć pipa w swoim środowisku conda, co potwierdza powyższe komentarze menedżerów ogólnych i pythonowych.

conda install -n testenv pip
source activate testenv
pip <pip command>

możesz również dodać pip do domyślnych pakietów dowolnego środowiska, aby był on obecny za każdym razem, więc nie musisz postępować zgodnie z powyższym fragmentem.

Cytat z artykułu Conda for Data Science na stronie Continuum:

Conda vs. pip

Programiści Python prawdopodobnie znają pip do pobierania pakietów z PyPI i zarządzania ich wymaganiami. Chociaż zarówno conda, jak i pip są menedżerami pakietów, są one bardzo różne:

• Pip jest specyficzny dla pakietów Pythona, a conda jest niezależna od języka, co oznacza, że ​​możemy używać conda do zarządzania pakietami z dowolnego języka Kompilacje PIP ze źródeł i pliki binarne instaluje conda, usuwając obciążenie kompilacją
• Conda natywnie tworzy środowiska niezależne od języka, podczas gdy pip korzysta z virtualenv do zarządzania tylko środowiskami Python. Zaleca się, aby zawsze używać pakietów conda, conda zawiera także pip, więc nie musisz wybierać między tymi dwoma. Na przykład, aby zainstalować pakiet python, który nie ma pakietu conda, ale jest dostępny przez pip, po prostu uruchom na przykład:

conda install pip
pip install gensim

Cytując z Conda: Mity i nieporozumienia ( pełny opis):

...

Mit nr 3: Conda i pip są bezpośrednimi konkurentami

Rzeczywistość: Conda i pip służą różnym celom i tylko bezpośrednio konkurują w niewielkiej części zadań: instalowaniu pakietów Pythona w izolowanych środowiskach.

Pip, który oznacza P ip I nstall P Pagesages, jest oficjalnie usankcjonowanym menedżerem pakietów Pythona i jest najczęściej używany do instalowania pakietów opublikowanych w Python Package Index (PyPI). Zarówno pip, jak i PyPI są zarządzane i obsługiwane przez Python Packaging Authority (PyPA).

Krótko mówiąc, pip jest menedżerem ogólnego przeznaczenia dla pakietów Pythona; conda jest niezależnym od języka menedżerem środowiska dla wielu platform. Dla użytkownika najbardziej znaczącym rozróżnieniem jest prawdopodobnie to: pip instaluje pakiety Pythona w dowolnym środowisku; conda instaluje dowolny pakiet w środowiskach conda. Jeśli wszystko, co robisz, to instalowanie pakietów Pythona w izolowanym środowisku, conda i pip + virtualenv są w większości wymienne, modulo pewna różnica w obsłudze zależności i dostępności pakietu. Przez środowisko izolowane rozumiem conda-env lub virtualenv, w których możesz instalować pakiety bez modyfikowania systemowej instalacji Pythona.

Nawet odkładając na bok Mit nr 2, jeśli skupimy się na samej instalacji pakietów Pythona, conda i pip służą różnym odbiorcom i różnym celom. Jeśli chcesz, powiedzmy, zarządzać pakietami Python w ramach istniejącej instalacji systemowej Python, conda nie może ci pomóc: z założenia może instalować pakiety tylko w środowiskach conda. Jeśli chcesz, powiedzmy, pracować z wieloma pakietami Python, które opierają się na zewnętrznych zależnościach (NumPy, SciPy i Matplotlib są częstymi przykładami), a śledzenie tych zależności w znaczący sposób, pip nie może ci pomóc: z założenia, to zarządza pakietami Python i tylko pakietami Python.

Conda i pip nie są konkurentami, ale raczej narzędziami ukierunkowanymi na różne grupy użytkowników i wzorce użytkowania.

Dla użytkowników WINDOWS

Ostatnio poprawia się sytuacja „standardowych” narzędzi do pakowania:

• na samym pypi jest teraz 48% pakietów kół od września. 11 2015 (wzrost z 38% w maju 2015, 24% we wrześniu 2014),

• format koła jest teraz obsługiwany natychmiast po instalacji w każdym najnowszym pythonie 2.7.9,

Poprawia się również sytuacja „narzędzi do pakowania” „standardowych” i „poprawek”:

• prawie wszystkie pakiety naukowe w formacie koła można znaleźć na stronie http://www.lfd.uci.edu/~gohlke/pythonlibs ,

• Projekt mingwpy może przynieść pewnego dnia pakiet „kompilacyjny” dla użytkowników systemu Windows, umożliwiając instalację wszystkiego ze źródła w razie potrzeby.

Opakowanie „Conda” pozostaje lepsze na obsługiwanym rynku i podkreśla obszary, w których „standard” powinien ulec poprawie.

(również specyfikacja zależności wielokrotnego wysiłku, w standardowym systemie kół i systemie conda lub buildout, nie jest bardzo pythoniczna, byłoby miło, gdyby wszystkie te techniki „rdzenia” pakowania mogły się zbiegać, poprzez pewnego rodzaju PEP)

pip jest menedżerem pakietów.

conda jest zarówno menedżerem pakietów, jak i menedżerem środowiska.

Szczegół:

Bibliografia

• Zrozumienie Conda i Pip

Czy mogę użyć pipa, aby zainstalować iPython?

Jasne, oba (pierwsze podejście na stronie)

pip install ipython

i (trzecie podejście, drugie to conda)

Możesz ręcznie pobrać IPython z GitHub lub PyPI. Aby zainstalować jedną z tych wersji, rozpakuj ją i uruchom następujące polecenie z katalogu źródłowego najwyższego poziomu za pomocą terminala:

pip install .

są oficjalnie zalecanymi sposobami instalacji .

Dlaczego powinienem używać conda jako innego menedżera pakietów Pythona, skoro mam już pip?

Jak powiedziano tutaj :

Jeśli potrzebujesz konkretnego pakietu, może tylko dla jednego projektu lub jeśli chcesz udostępnić projekt komuś innemu, conda wydaje się bardziej odpowiednie.

Conda przewyższa pip w ( YMMV )

• projekty korzystające z narzędzi niebędących pythonami
• dzielenie się z kolegami
• przełączanie między wersjami
• przełączanie między projektami z różnymi wersjami bibliotek

Jaka jest różnica między pipem a condą?

Odpowiedzi na to szeroko udzielają wszyscy inni.

pip jest tylko dla Pythona

condadotyczy tylko Anacondy + innych pakietów naukowych, takich jak zależności R itp. NIE każdy potrzebuje Anacondy, która jest już dostarczana z Pythonem. Anaconda jest głównie dla tych, którzy uczą się maszynowego / głębokiego uczenia się itp. Przypadkowy deweloper Python nie uruchomi Anacondy na swoim laptopie.

Mogłem znaleźć jeszcze jedną różnicę o niewielkim charakterze. Mam środowiska Pythona /usrraczej niż, /homeczy cokolwiek innego. Aby go zainstalować, musiałbym użyć sudo install pip. Dla mnie niepożądany efekt uboczny sudo install pipbył nieco inny niż to, co jest powszechnie zgłaszane gdzie indziej: po zrobieniu tak, musiałem biec pythonz sudoaby zaimportować dowolny z sudoZainstalowane pakiety. Zrezygnowałem z tego i ostatecznie znalazłem, że mogę użyć sudo condado zainstalowania pakietów w środowisku, w /usrktórym następnie importowałem je normalnie bez potrzeby sudouzyskania pozwolenia python. Nawet zwykłem sudo condanaprawiać zepsuty, pipzamiast używać sudo pip uninstall piplub sudo pip --upgrade install pip.